随着人工智能以及机器人技术的爆发式发展,计算机视觉技术已成为日常生活以及工业生产等各领域迫切需要突破的研究问题,RoboCup这一兼顾科技研发与综合教育的国际性预研项目对计算机视觉技术的推广有着重要意义。本文分别针对RoboCup小型足球机器人视觉识别以及跟踪两方面进行改进和实现。首先针对RoboCup足球机器人对于比赛时存在光照多变、目标被遮挡以及获取图像存在畸变等实际不利因素,在深入研究时效性突出的局部不变特征算法BRISK的基础上,提出了一种基于快速鲁棒性尺度不变的局部特征匹配算法,采用差分自适应加速分割角点检测方法(DA-AGAST),结合关键点快速鲁棒性尺度不变描述方法(SUBRISK),对复杂场景下的识别目标生成强鲁棒性的目标特征,实现RoboCup机器人对球体目标的快速精准识别。然后,针对RoboCup足球机器人视觉系统具有显著的非线性特点而导致视觉跟踪精度以及效率性不佳的问题,并结合群智能算法优化粒子滤波根本改善粒子多样性的优势,提出了一种基于混合策略的萤火虫优化粒子滤波算法,利用优化算法寻优特性结合改进的引导策略,对算法精度以及稳健性进行提升,并将该方法应用于RoboCup球体目标跟踪。本文通过上述两点改进,从实质上增强了RoboCup足球机器人视觉识别和跟踪性能。全文研究的具体内容如下:首先,针对二进制局部不变特征算法处理目标识别问题存在稳健性不佳的缺陷,提出了一种基于快速鲁棒性尺度不变的局部特征匹配算法。算法首先采用差分自适应加速分割角点检测方法(DA-AGAST),快速生成具有强仿射不变性的检测子,然后引入关键点快速鲁棒性尺度不变描述方法(SUBRISK),减小旋转尺度变换对特征匹配的影响,并通过调整采样描述分布以及存储方式提高算法运算效率。最后,结合汉明K近邻距离和Hough圆变换算法高效完成对RoboCup比赛中球体的目标识别。其次,针对粒子滤波处理目标跟踪问题存在精度不佳的缺点,提出了一种基于混合策略的萤火虫优化粒子滤波算法(MSFA-PF)。算法引入混沌扰动搜索策略使得粒子在全局最优位置处获得全面的搜索能力,并高效地向高似然区域移动。其次利用动态视觉搜索策略,增强粒子在高后验概率密度区域的搜索效率。然后通过改进荧光亮度更新机制,丰富粒子优化集以提高粒子在迭代过程中整体质量,极大程度提升粒子滤波性能。最终,将上述方法应用于RoboCup比赛中对球体目标的跟踪。